본 논문은 기존 머신 언러닝 방법들의 하이퍼파라미터 민감도 문제를 해결하기 위해 새로운 방법을 제시합니다. 기존 방법들은 특정 하이퍼파라미터를 사용하여 fine-tuning된 단일 모델의 가중치 벡터를 이용하지만, 본 논문은 다양한 하이퍼파라미터로 학습된 여러 모델들의 가중치 벡터를 활용합니다. 여러 벡터들 중 일관된 부호를 가진 요소들만을 취합하여 새로운 벡터를 생성하고, 이를 원래 모델의 가중치 벡터에서 빼는 방식으로 머신 언러닝을 수행합니다. 12개의 데이터셋과 4개의 백본 아키텍처를 사용한 실험 결과, 제안된 방법이 기존 최첨단 방법들을 능가하는 성능을 보이며, 유사하거나 더 적은 계산 자원을 사용함을 보여줍니다.
